Posts for: #翻译

上次整理过 Lenny’s Podcast 那期 Boris Cherny 的中文版：编程已被"解决"之后的世界。这次是 Boris 在 Sequoia Capital 的另一场访谈（2026-05-04 发布，YouTube 24 分钟版），重叠不多，更聚焦在 Claude Code 起源、他现在的工作方式，以及组织和团队的变化。下面是我整理润色的中文版。

现场

主持人是 Sequoia 合伙人 Lauren Reeder。她介绍 Boris 时说：“整个软件开发似乎都压在他肩上。“她想聊三个方向：软件的未来、写代码的未来、大家以后应该把空闲时间花在什么事情上。

Lauren 顺带补了一个细节：Boris 一直是非常纯粹的工程师，写过《Programming TypeScript》。但她上次和 Boris 聊时，Boris 说自己 2026 年到目前为止，没有亲手写过一行代码。

Boris 反问现场使用 Claude Code 的方式。多数人主要用 CLI；桌面端用户也有一些；VS Code 或 JetBrains 插件用户相对较少。他自己现在反而主要在 iOS 上用。

Claude Code 是怎么开始的

Claude Code 很大程度上是"意外"做出来的。

Boris 在 2024 年底加入 Anthropic Labs。这是 Anthropic 内部的一个孵化器——非常小，像一个创新小组。这个小组后来做出了 Claude Code、MCP 和桌面 app。完成阶段性任务后团队一度解散，现在又重新聚在一起做第二轮，由 CPO Mike Krieger 带队（前 Instagram 联合创始人）。

来源：How I AI 频道访谈，主持人 Claire Vo，嘉宾 John Kim（Delight.ai）。视频 https://www.youtube.com/watch?v=uH39OZ-KnkY 。下面是我整理润色的中文版。

开场

John Kim 要展示两样东西。一个是公司内部的 AI token 使用排行榜——每个人会从 “AI newbie” 到 “AI god” 被分层。另一个叫 AI quests，用来推动全公司采用 AI。

John 想做的事情，是把 AI 变成 workforce 的一部分：给团队足够的信息、工具和基础设施，让员工自己去用 AI 的能力。

很多公司推 AI 时，员工听到的是"用更少的人做更多事"“你应该更快”。John 展示的另一种收益：让每个人都成为 builder，做出以前不会被排进路线图、但有创造力和客户价值的东西。

案例：营销团队两天做出能收款的周边商店

John 演示了 Delight 的 swag store，主题是 Big AaaS Energy（AaaS = Agent as a Service）。

整个商店由营销团队完成，没有工程团队支持。它接了 Stripe，能真的下单付款。两天上线。

商店里有 “My AaaS is bigger than your SaaS”、“Context window I carry a lot” 这类周边。还藏了一个 Konami code 彩蛋（上上下下左右左右 BA），引导到 5 月 7 日在旧金山的 Delight Spark 大会。

翻译自 YC 合伙人 Diana 的演讲：How To Build A Company With AI From The Ground Up，2026 年 2 月。我按自己的语感重新整理了一遍，方便中文读者读起来不卡。

我是 Diana，YC 的合伙人。

过去几个月我看清了一件事：AI 不只是让软件造得更快，也不只是让某些工作流自动化。它正在从根本上改变创业公司应该怎么跑——什么人留下、什么岗位消失、什么产品现在能造出来。

这一期我要讲创始人应该怎么思考"AI 原生公司"——团队该有什么角色、内部该用什么具体做法，让你立刻就能跑得更快。

AI 不是工具，是操作系统

现在大多数人聊 AI 都还停留在"提高生产力"这一层：让工程师更高效、给现有流程接个 AI 助手、多发几个功能。

这个框架完全错过了正在发生的事。

我们看到的不是"效率提升"，是全新的能力：今天一个对的人加上 AI 工具，能做出过去要一整个团队才能做、或者根本做不出来的东西。

把 AI 想成"新能力"，对创始人意味着什么？

往大了说：AI 不应该是你公司在用的工具，应该是你公司运行的操作系统。每一个工作流、每一个决策、每一个流程，都应该流经一个持续学习、持续改进的智能层。

具体一点：你公司里每一个重要流程，都应该被一个智能闭环包住。闭环捕捉信息、把信息喂回智能系统、让流程随时间变得更好。

开环还是闭环？

学过控制论的人对这两个词不陌生。

• 开环：被控制的系统没有反馈。在过去，公司基本都是开环——你拍板、你执行，但不一定系统性地测量结果、不一定把结果回写到流程里。开环本质就是有损的。
• 闭环：自我调节。系统持续监测自己的输出、持续调整流程，让结果越来越接近目标。闭环在"准确性"和"稳定性"上极强。

有了能自我改进的智能体，你的公司就该按闭环来跑。

让公司对 AI 可查询

要让闭环跑起来，你得让整个公司可被查询。换句话说，整个组织对 AI 是可读的。每一个重要的动作都要产生一份可被读取的记录，让公司中央的智能层能从中学习、能用来自我改进。

具体怎么做：

• 所有会议都用 AI 记录下来
• 减少私聊和邮件，把智能体嵌入所有沟通渠道
• 自建仪表盘把公司里的所有数据接进去：营收、销售、工程、招聘、运营——全部
• 给智能体同时接入：项目工单系统、所有工程聊天频道、所有客户反馈（来自邮件或客服系统）、代码仓库、文档系统里的高层计划、销售电话录音、每日站会

我举个具体例子。工程管理和迭代规划。

如果你的智能体能同时访问：你的工单、所有工程频道、来自邮件和客服系统的所有反馈、代码仓库、文档里的高层计划、销售电话录音、每日站会——那它就能告诉你上一轮迭代实际交付了什么、是不是真的满足客户需求。

更进一步：在拥有"上线了什么、什么成了、什么没成"的完整可见性之后，智能体可以往前看，给工程师提出远比拍脑袋更可预测、更准确、更跟得上节奏的下一轮迭代计划。

那种被各级经理塞水状态汇报、信息一路衰减的日子，过去了。

我自己带过工程团队，现在又在多家 YC 公司里看到这件事——这是个颠覆性变化。过去需要持续协调才能维持的东西，默认就变得可读、可查询。我看到的团队里，有些把迭代时间砍掉了一半，相同时间内做的事接近 10 倍。